ساخت مدل‌های هوش مصنوعی که می‌توانند مسائل ریاضی را حل کنند، تصاویر را طراحی کنند و موسیقی بسازند.

کمیته سازماندهی برادر ۲.jpg — کمیته سازماندهی متشکل از کارشناسان و کارکنان ارشد شرکت زالو است.

در ۶ نوامبر ۲۰۲۳، چالش هوش مصنوعی زالو ۲۰۲۳ رسماً سه چالش مربوط به سه حوزه مختلف هوش مصنوعی را اعلام کرد. به طور خاص، در حوزه پردازش زبان طبیعی (NLP)، با چالش حل ریاضی ابتدایی، تیم‌های رقیب موظف بودند یک مدل هوش مصنوعی برای حل مسائل ریاضی مدارس ابتدایی طبق استانداردهای برنامه درسی آموزش ویتنام بسازند.

در جنبه مبتنی بر تصویر، برای وظیفه تولید بنر تبلیغاتی، هوش مصنوعی به طور خودکار بنرهای تبلیغاتی را بر اساس اطلاعات توصیفی از پیش ارائه شده طراحی می‌کند.

برای مسئله تولید موسیقی پس‌زمینه - که در دسته صدا قرار می‌گیرد - مدل هوش مصنوعی باید موسیقی پس‌زمینه را بر اساس الزامات مربوط به ملودی، سازها، ژانر و غیره "تولید" کند. تمام الزامات ورودی برای سه مسئله فوق در قالب متن بیان می‌شوند.

هر سه مسئله در رقابت امسال در روند هوش مصنوعی مولد قرار می‌گیرند، موجی از فناوری که در سراسر جهان مورد توجه قرار گرفته است. دانشمندان امیدوارند که با هوش مصنوعی مولد، هوش مصنوعی بتواند مانند انسان‌ها به تولید خودکار محتوا بپردازد.

این نشان دهنده یک جهش قابل توجه برای هوش مصنوعی است و نشان دهنده تغییر از مدل‌های سنتی هوش مصنوعی متمرکز بر تجزیه و تحلیل داده‌ها و طبقه‌بندی به هوش مصنوعی است که محتوایی را برای پشتیبانی مؤثر از زندگی انسان در آینده ایجاد می‌کند.

هوش مصنوعی مولد، نه تنها در ویتنام، بلکه در سراسر جهان، یک روند نسبتاً جدید هوش مصنوعی است؛ بنابراین، چالش امسال دشوارتر از مسابقات قبلی در نظر گرفته می‌شود.

به گفته دکتر چائو تان دوک، رئیس تحقیق و توسعه در Zalo AI، در سال‌های گذشته، شرکت‌کنندگان می‌توانستند شروع به ساخت راه‌حل‌های خود کنند و همچنان به نتایج بالایی دست یابند. با این حال، امسال، تیم‌های رقیب باید هم در تحقیق و هم در تجهیزات آموزشی سرمایه‌گذاری کنند.

دکتر چائو تان دوک در ادامه توضیح داد: «تیم‌های رقیب باید قبل از توسعه راه‌حل‌های خود، مدل‌های مناسب را بررسی و تحقیق کنند. هوش مصنوعی مولد همچنین به تجهیزات آموزشی خاصی نیاز دارد، بنابراین آنها باید رویکرد خود را متناسب با شرایط موجود خود تعریف کنند.»

علاوه بر این، هر مسئله چالش‌های منحصر به فرد خود را برای تیم‌های رقیب ارائه می‌داد. در چالش حل مسائل ریاضی دبستان، برای حل مسائل ریاضی دبستان، مدل‌های هوش مصنوعی نه تنها نیاز به درک و پاسخگویی داشتند، بلکه باید می‌توانستند استدلال کرده و مسائل را حل کنند.

در چالش تولید بنر تبلیغاتی، مدل‌های هوش مصنوعی برای ایجاد تصاویر با هم رقابت می‌کنند - یک الزام نسبتاً دشوار با توجه به اینکه خلاقیت هیچ حد و مرزی نمی‌شناسد و ارزیابی حتی برای انسان‌ها نیز آسان نیست.

به طور مشابه، در پروژه تولید موسیقی پس‌زمینه، صدا به طور کلی و موسیقی به طور خاص، چیزی است که انسان‌ها فقط می‌توانند آن را درک کنند، نه اینکه آن را ببینند یا لمس کنند. بنابراین، بهینه‌سازی مدل برای تیم‌هایی که این موضوع را انتخاب می‌کنند، یک مشکل چالش‌برانگیز خواهد بود.

با انتخاب هوش مصنوعی مولد به عنوان موضوع اصلی مسابقه امسال، با جوایزی تا سقف ۱۵۰۰۰ دلار و مجموعه داده‌های آموزشی با کیفیت بالا، Zalo AI امیدوار است که دانشجویان و گروه‌های تحقیقاتی کوچک بتوانند به منابع لازم دسترسی پیدا کرده و انگیزه بیشتری برای توسعه مدل‌های هوش مصنوعی مولد کسب کنند.

بنابراین، ترویج این روند در جامعه هوش مصنوعی، نه محدود به شرکت‌های بزرگ و دارای بودجه کافی، به ویتنام کمک می‌کند تا فرصت‌های بیشتری برای همگام شدن با موج جهانی فناوری هوش مصنوعی مولد داشته باشد.

برگزارکنندگان مسابقه توضیح می‌دهند که هرچه افراد و سازمان‌های بیشتری در تحقیق و توسعه هوش مصنوعی مشارکت داشته باشند، زمینه برای انتظار مدل‌های هوش مصنوعی پیچیده‌تر در آینده بیشتر فراهم می‌شود.

آقای دوک افزود: «برنده شدن در یک مسابقه به اندازه غلبه بر خود و پشتکار در مسیر توسعه هوش مصنوعی - که ذاتاً دشوار و چالش‌برانگیز است - مهم نیست. با چالش هوش مصنوعی زالو، امیدواریم به کسانی که این مسیر را دنبال می‌کنند انگیزه و الهام ببخشیم. ما معتقدیم که تحقیقات بعدی الهام‌بخش‌تر خواهند بود تا در آینده ادامه دهند و بهتر عمل کنند.»

علاوه بر این، همکاری و یادگیری از جامعه به همان اندازه برای ارتقای توسعه صنعت هوش مصنوعی ویتنام مهم است. گروه‌های تحقیقاتی می‌توانند نتایج را برای ایجاد شتاب رقابتی و اصلاح مدل‌ها برای سایر گروه‌ها به اشتراک بگذارند، در عین حال که از تجربیات یکدیگر نیز یاد می‌گیرند و آنها را به ارث می‌برند.

به همین دلیل، چالش هوش مصنوعی زالو فرمت کاگل (Kaggle) را انتخاب کرد و آن را در هر شش دوره حفظ کرد. در طول مسابقه، تیم‌های شرکت‌کننده به طور مداوم نتایج مدل خود را در رتبه‌بندی لیدربورد به‌روزرسانی می‌کردند تا مستقیماً پیشرفت آموزشی یکدیگر را در زمان واقعی رصد کنند.

در عین حال، پس از پایان مسابقه، Zalo AI همیشه تیم‌های شرکت‌کننده را تشویق می‌کند تا راه‌حل‌های خود را با جامعه هوش مصنوعی در چارچوب اجلاس هوش مصنوعی Zalo یا در انجمن‌های فناوری ویتنام به اشتراک بگذارند.

عکس 4 از 4 (1).jpg — تیم‌های رقیب این فرصت را خواهند داشت که از متخصصان هوش مصنوعی در ویتنام و سراسر جهان راهنمایی دریافت کنند.

Zalo AI همچنین داده‌های آموزشی حاصل از مسابقه را ارائه خواهد داد تا تیم‌های شرکت‌کننده و به طور گسترده‌تر جامعه هوش مصنوعی بتوانند تحقیقات خود را پس از آن ادامه دهند. آماده‌سازی مجموعه داده‌ها نیز یک فرآیند دقیق است، با هدف ارائه مجموعه داده‌های با کیفیت بالا به متخصصان هوش مصنوعی.

امسال، Zalo AI در مجموعه داده‌های خود توجه بیشتری به استانداردهای دانشگاهی دارد و هدف آن استفاده در تحقیقات علمی است.

علاوه بر کارکنان ارشد Zalo AI، شرکت‌کنندگان در این مسابقه از متخصصان برجسته هوش مصنوعی مانند پروفسور نگوین له مین، مدیر مرکز تحقیقات هوش مصنوعی تفسیرپذیر در موسسه پیشرفته علوم و فناوری ژاپن (JAIST)؛ دانشیار تران تان لانگ، معاون رئیس و مدیر تحقیقات علوم کامپیوتر، دانشگاه وارویک (بریتانیا)؛ و دکتر نگو دوک تان، رئیس دپارتمان علوم کامپیوتر، دانشگاه فناوری اطلاعات هوش مصنوعی شهر هوشی مین، نیز راهنمایی دریافت کردند.

این مسابقه رسماً در 6 نوامبر 2023 آغاز شد و مهلت ارسال داده‌های آموزشی 1 دسامبر 2023 بود. در این مدت، نتایج تیم‌ها به صورت عمومی در جدول امتیازات نمایش داده شد. پس از آن، مدل‌های تیم‌های رقیب بر روی مجموعه داده‌های متفاوتی نسبت به داده‌های آموزشی اصلی آزمایش شدند و نتایج نهایی مسابقه بر اساس عملکرد مدل در این مجموعه داده‌های جدید تعیین شد. تیم‌های برنده راه‌حل‌های خود را در اجلاس هوش مصنوعی زالو 2023 به اشتراک گذاشتند.

منبع